[发明专利]资源编排方法及智能体

权利要求书

1.一种资源编排方法，其特征在于，包括：

获取全局奖励信息和局部环境状态信息，其中，所述全局奖励信息是基于预设的全局环境获得的信息，所述全局环境对应一个或多个智能体，所述局部环境状态信息是根据当前智能体对应的局部环境获取的信息，所述全局奖励信息是对所述全局环境中所有智能体的第二资源编排请求对应的历史局部环境状态信息和所述局部环境状态信息进行批处理，获得所述全局环境的资源均衡率与请求接受率，并根据预设的奖励机制、所述资源均衡率和所述请求接受率生成的信息；

根据所述全局奖励信息和所述局部环境状态信息，更新编排策略；

在接收到第一资源编排请求的情况下，基于所述第一资源编排请求、所述局部环境状态信息和更新的编排策略编排所述局部环境中的资源；

所述获取全局奖励信息和局部环境状态信息之前，还包括：

接收用户终端发送的所述第二资源编排请求；

根据所述第二资源编排请求、所述第二资源编排请求对应的历史局部环境状态信息和所述第二资源编排请求对应的历史编排策略，编排所述第二资源编排请求对应的历史局部环境中的资源；

所述编排策略包括动作策略；所述根据所述全局奖励信息和所述局部环境状态信息，更新编排策略，包括：

将所述全局奖励信息和所述局部环境状态信息输入预设的动作策略预测模型，以供所述动作策略预测模型执行动作策略预测操作，并输出更新的动作策略。

2.根据权利要求1所述的资源编排方法，其特征在于，所述获取全局奖励信息和局部环境状态信息，包括：

根据编排之后的所述第二资源编排请求对应的历史局部环境中的资源，获取所述全局奖励信息和所述局部环境状态信息。

3.根据权利要求1所述的资源编排方法，其特征在于，所述第一资源编排请求和所述第二资源编排请求包括资源编排类型和资源需求量。

4.根据权利要求1所述的资源编排方法，其特征在于，所述动作策略包括路径部署子策略和路由子策略中的一个或多个。

5.根据权利要求1所述的资源编排方法，其特征在于，所述在接收到第一资源编排请求的情况下，基于所述第一资源编排请求、所述局部环境状态信息和更新的编排策略编排所述局部环境中的资源，包括：

将所述第一资源编排请求、所述局部环境状态信息和所述更新的编排策略发送至资源管理器，由所述资源管理器编排所述局部环境中的资源。

6.根据权利要求5所述的资源编排方法，其特征在于，所述资源管理器用于配置和编排所述局部环境中的各类资源。

7.一种智能体，其特征在于，包括：

第一获取模块，用于获取全局奖励信息和局部环境状态信息，其中，所述全局奖励信息是基于预设的全局环境获得的信息，所述全局环境对应一个或多个智能体，所述全局奖励信息是对所述全局环境中所有智能体的第二资源编排请求对应的历史局部环境状态信息和所述局部环境状态信息进行批处理，获得所述全局环境的资源均衡率与请求接受率，并根据预设的奖励机制、所述资源均衡率和所述请求接受率生成的信息；

第二获取模块，用于局部环境状态信息，其中，所述局部环境状态信息是根据当前智能体对应的局部环境获取的信息；

更新模块，用于根据所述全局奖励信息和所述局部环境状态信息，更新编排策略；

编排模块，用于在接收到第一资源编排请求的情况下，基于所述第一资源编排请求、所述局部环境状态信息和更新的编排策略编排所述局部环境中的资源；

所述第一获取模块获取全局奖励信息和局部环境状态信息之前，所述智能体还用于：

接收用户终端发送的所述第二资源编排请求；

根据所述第二资源编排请求、所述第二资源编排请求对应的历史局部环境状态信息和所述第二资源编排请求对应的历史编排策略，编排所述第二资源编排请求对应的历史局部环境中的资源；

所述编排策略包括动作策略；所述更新模块根据所述全局奖励信息和所述局部环境状态信息，更新编排策略，包括：

将所述全局奖励信息和所述局部环境状态信息输入预设的动作策略预测模型，以供所述动作策略预测模型执行动作策略预测操作，并输出更新的动作策略。